醫(yī)學(xué)圖像融合與技能分析范文

本站小編為你精心準(zhǔn)備了醫(yī)學(xué)圖像融合與技能分析參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1圖像處理技術(shù)

自倫琴1895年發(fā)現(xiàn)X線后,在醫(yī)學(xué)上X線被用于人體檢查,診斷疾病,逐步形成了放射學(xué)。20世紀(jì)以來醫(yī)學(xué)成像技術(shù)經(jīng)歷了一個從靜態(tài)到動態(tài)、從形態(tài)到功能、從平面到立體的發(fā)展過程,尤其在計算機技術(shù)高度發(fā)達之后,出現(xiàn)了計算機斷層成像(CT)、數(shù)字減影血管造影(DSA)、單光子發(fā)射斷層成像(SPECT)、磁共振成像(MRI)、數(shù)字熒光造影(DF)、正電子發(fā)射斷層成像(PET)等多種成像模式的醫(yī)學(xué)圖像,使人體內(nèi)部的結(jié)構(gòu)、功能等多方面的狀況通過影像反映出來,從而更加直觀地提供了人體解剖、生理及病理等信息。為了豐富和突出影像的有用信息,在成像之后,計算圖像處理技術(shù)被廣泛應(yīng)用,包括將醫(yī)學(xué)圖像數(shù)字化、去除噪聲、恢復(fù)圖像失真,增強圖像對比度、自動分割目標(biāo)、斷層圖像的三維重建、定量分析等處理手段[1,2]。但是,由于各種成像設(shè)備所特有成像原理各不相同,與各種成像相關(guān)的信息內(nèi)容也各有側(cè)重。如CT、MRI圖像主要反映解剖形態(tài)結(jié)構(gòu);核影像對人體功能狀態(tài)非常敏感,等等。單獨用某種模式的圖像進行診療,即使經(jīng)過計算機處理,也不能反映全面情況,只能得到定性的,或在一定條件范圍內(nèi)的定量分析。近年來,隨著圖像處理技術(shù)在醫(yī)學(xué)領(lǐng)域的進一步應(yīng)用,一種新的信息處理技術(shù)——醫(yī)學(xué)圖像融合開始受到足夠重視[3～8]。它是將多種成像模式(一般為兩種)的圖像結(jié)合起來。利用各自的優(yōu)點,在一幅圖像上同時表達來自人體多方面的信息,如融合MRI與PET的胸腹圖像,可提高對腫瘤的診斷、定級、定位和定量分析,為放射計劃治療提供依據(jù);又如利用腕骨的CT和MRI融合圖像可輔助骨折正位。通過醫(yī)學(xué)圖像融合,有效地豐富了圖像信息,提高了診斷和治療的可靠程度。國外已有大量報道這方面的研究、實驗成果,并開始用于臨床。本文綜述了多模式醫(yī)學(xué)圖像融合中的有關(guān)圖像處理技術(shù),著重介紹了圖像配準(zhǔn)技術(shù),并例舉了醫(yī)學(xué)圖像融合在醫(yī)學(xué)診斷、治療等方面的應(yīng)用。

2醫(yī)學(xué)成像技術(shù)

醫(yī)學(xué)成像技術(shù)是一個綜合多種學(xué)科成果與先進技術(shù)的綜合性,實用性學(xué)科領(lǐng)域。包括X射線、超聲、CT、MRI、核醫(yī)學(xué)圖像(SPECT、PET)、紅外線圖像、數(shù)字減影、熒光造影等多種成像方式。各種模式的醫(yī)學(xué)圖像從視覺角度為醫(yī)生及研究人員提供了豐富、直觀、定性及定量的人體生理信息,成為診斷各種疾病的重要技術(shù)手段。由于不同模式的設(shè)備對人體內(nèi)大到組織小到分子原子有不同的靈敏度和分辨率,因而有它們各自的適用范圍和局限性。CT是利用X射線提供的原始信息進行從一維到二維的圖像重建,可以對人體作多層橫斷面掃描。CT具有較強的空間分辨率(3mm)和幾何特性,對人體軟組織對比度較低,對骨骼反映清晰。MRI利用人體組織中氫質(zhì)子在磁場消失后馳豫時間差成像。可得到多種角度、方位的斷層圖像,空間分辨率小于3mm,可清晰反映軟組織、器官、血管等的解剖結(jié)構(gòu),但對鈣化點不敏感,且受到磁干擾會發(fā)生幾何失真。SPECT、PET是以放射性核素及其標(biāo)記物在臟器中的濃度差為基礎(chǔ)的顯像方法,能得到人體任意角度斷層面的放射性濃度分布。可反映組織、器官的代謝水平、血流狀況,對腫瘤病變呈現(xiàn)“熱點”。PET尤其適于對神經(jīng)系統(tǒng)功能的研究。但圖像的分辨率很差(SPECT約10mm,ECT約6mm),難以得到精確的解剖結(jié)構(gòu)和立體定位,也不易分辨組織、器官的邊界。DSA是一種投影圖像,由注入造影劑前后的X光投影圖相減而得到。可清晰反映人體心、腦血管分布情況,對診斷各種動靜脈畸形、血管瘤等有重要價值。但它不能顯示周圍結(jié)構(gòu)以及病灶的空間位置。各種模式的醫(yī)學(xué)圖像從不同角度反映人體信息,單獨從某一種圖像中無法得到全面的診斷信息。而多種圖像又必須借助醫(yī)生的空間構(gòu)想和推測去綜合判定他們所要的信息,其準(zhǔn)確性受到主觀影響,更主要的是一些信息將可能被忽視。醫(yī)學(xué)圖像融合技術(shù)以計算機圖像處理方法代替了醫(yī)生的人工綜合方式,可以提高診斷效率和可靠性,并精確指導(dǎo)神經(jīng)外科手術(shù)及放射治療等。

3融合和配準(zhǔn)技術(shù)

醫(yī)學(xué)圖像融合一般指兩種圖像模式的圖像取長補短,結(jié)合成一幅圖。如CT-MRI,CT-SPECT,MRI-PET、MRI-DSA等。目前國外已有大量研究報道,因研究對象,研究目的不同,融合的方法也多種多樣,歸納起來,主要按以下步驟進行:(1)預(yù)處理。對獲取的兩種圖像數(shù)據(jù)進行去噪,增強等處理。統(tǒng)一兩種數(shù)據(jù)格式,圖像大小和分辨率。對序列斷層圖像做三維重建和顯示。根據(jù)目標(biāo)特點建立數(shù)學(xué)模型。(2)分割目標(biāo)和選擇配準(zhǔn)特征點。在二維或三維情況下,對目標(biāo)物或興趣區(qū)進行分割。選取的特點應(yīng)是同一物理標(biāo)記點在兩個圖像上的對應(yīng)點,該物理標(biāo)記可以是人工標(biāo)記,也可以是人體解剖特征點。(3)利用特征點對進行圖像配準(zhǔn)。可視作兩個數(shù)據(jù)集間的線性或非線性變換,使變換后的兩個數(shù)集的誤差達到某種準(zhǔn)則的最小值。(4)配準(zhǔn)后的兩種模式的圖像在同一坐標(biāo)系下將各自的有用信息融合表達成二維或三維的圖像。(5)從融合圖像中提取和測量醫(yī)學(xué)特征參數(shù),定性、定量分析,做出病情診斷或指導(dǎo)外科手術(shù)及放射治療計劃。在完成上述圖像融合的過程中,涉及到許多具體的技術(shù),尤其集中于計算機自動處理方面。下面就幾個主要技術(shù)加以總結(jié)。

3.1圖像分割和特征點選取

圖像配準(zhǔn)的精度取決于特征點的選取。以大腦的圖像融合為例,在早期的研究中[3,4],采用戴含界標(biāo)的頭套或?qū)⒉∪祟^部固定于立體定位架中,經(jīng)兩種成像可得到共同的參照坐標(biāo)系,這一方法顯然操作不便,也使病人痛苦,不太實用。后來,人們將頭(腦)的外輪廓及內(nèi)部一些解剖特征點作為標(biāo)記,實現(xiàn)無架匹配[5～8]。這些特征點應(yīng)具有空間不變性,還要求同時存在于兩種圖像中,并且在自動提取算法中易于識別。除腦之外,其它部位或興趣區(qū)(ROI、VOI)的融合也選取了諸如外標(biāo)記架、橡膠綁帶、標(biāo)記釘、體內(nèi)解剖特征點(血管分支點,器官邊界、血管壁等)。為準(zhǔn)確、自動提取標(biāo)記點,需對圖像作精確分割。如分割出頭皮、顱骨、灰白質(zhì)等,并剔除非腦軟組織。Ardekani等[9]提出了全自動的腦MRI圖像分割方法,首先用梯度算子提取腦輪廓;第二步用K-均值算法將腦內(nèi)部聚類成4個不同類;最后,利用多個特征參數(shù)-灰度、邊界分維數(shù)、平均深度、對稱性等,得到多個興趣區(qū)的邊界,與原圖像疊加,即可顯出腦內(nèi)部主要區(qū)域及腦輪廓。其它一些分割方法諸如用數(shù)學(xué)形態(tài)算子[10]、邊緣提取方法[11],以及人工交互式分割[12]都可有效分割目標(biāo)。

3.2配準(zhǔn)技術(shù)

人體同一解剖位置經(jīng)不同的圖像設(shè)備得到的圖像會在圖像分辨率、大小、幾何形狀、掃描角度、斷層間距等方面不一致。配準(zhǔn)就是將這兩種圖像統(tǒng)一到共同的空間坐標(biāo)系中,保持兩圖像中對應(yīng)位置的一致性。從數(shù)學(xué)模型上表達,配準(zhǔn)可描述為求解從一個數(shù)據(jù)集到另一個數(shù)據(jù)集的映射變換,經(jīng)過變換后的兩個圖像集將達到最優(yōu)匹配,即它們之間的誤差距離(有多種定義)最小。

3.2.1基于多項式配準(zhǔn)方法對于有架或外部界標(biāo)的配準(zhǔn),從參照系中的對應(yīng)點可直接求得變換函數(shù)。一般為多項式線性函數(shù),可簡單表示為:x′1=a*1x1+b*1y1+c1y′1=a*2x1+b*2y1+c2其中:a1,a2,b1,b2,c1,c2為多項式系數(shù),(x1,y1)點經(jīng)變換后為(x′1,y′1)。要使對應(yīng)點(x1,y1)和(x2,y2)相匹配,需滿足誤差E=(x′1-x2)2+(y′1-y2)2最小。據(jù)此匹配條件,利用多個特征點數(shù)據(jù)可求取多項式各系數(shù)。于是,就可變換整幅圖像數(shù)據(jù),完成配準(zhǔn)過程。

3.2.2基于主軸和表面的配準(zhǔn)方法在無架配準(zhǔn)方法中,基于腦解剖特征的主軸法比較成熟[13]。該方法以目標(biāo)體(近似柱體或橢圓體)的中心點及三個正交主軸為匹配基準(zhǔn),通過旋轉(zhuǎn)、移位變換使兩個目標(biāo)相對應(yīng)。另一種無架自動配準(zhǔn)方法是三維表面匹配算法,在許多融合處理中被采用[6,16,18]。如圖1是腦CT和MRI圖像的表面匹配示意。先將多層掃描的CT提取頭外表面輪廓,如圖中連續(xù)閉合曲線,形成“頭”表面;再將MRI特征點覆于“頭”上,稱“帽子”。開始“頭”與“帽”不相配,經(jīng)過一個可迭代運算的非線性變換,使“帽子”各點到“頭”質(zhì)心的均方根距離趨于最小,最終實現(xiàn)兩者匹配。Rusinek等[14]對主軸法和表面匹配法作了詳細的比較。兩種方法都會因提取腦輪廓所造成的畸變而影響精度;主軸法還對掃描不完全的程度敏感;表面匹配法無需人為監(jiān)督,自動化程度高,配準(zhǔn)精度高,只是運算較復(fù)雜,處理時間長。從實際應(yīng)用角度看,文中認(rèn)為表面匹配法優(yōu)于主軸法。

3.2.3其它配準(zhǔn)方法van.denElsen等[11]在配準(zhǔn)CT、MRI和SPECT圖像時,除提取腦外表面輪廓特征,還用多尺度Gaussian算子提取腦內(nèi)部幾何特征,在多尺度空間進行匹配。Meltzer等[15]先將腦MRI圖的內(nèi)部分割成幾個興趣區(qū)(ROI),再分別以各ROI為模板自動配準(zhǔn)到PET圖對應(yīng)的區(qū)域。腹部臟器(或腫瘤)的圖像配準(zhǔn)不如腦部精確,一般配準(zhǔn)誤差約6mm～2cm,因為在成像過程中可能發(fā)生局部位移、形變。Parsai[8]和Wahl等[16]在研究中還需依靠外部基準(zhǔn)標(biāo)記架或橡膠綁帶,并適當(dāng)選用少量內(nèi)部特征點。Wahl所用方法是基于一種仿射變換幾何模型。Pietrzyk等[17]對全自動配準(zhǔn)方法進行分析后,認(rèn)為自動配準(zhǔn)方法需假設(shè)對象為剛體并要選取有效特征點對,因而僅限于腦、脊髓等組織,也僅限于幾種圖像模式的融合。他們提出了人工交互式配準(zhǔn)方法。該方法利用可視化交互式圖形軟件包對兩種圖像進行編輯、旋轉(zhuǎn)、對準(zhǔn)、排列,可達到很高配準(zhǔn)精度,并符合醫(yī)學(xué)理解。此方法適應(yīng)多種模式配準(zhǔn),并用于人體多個部位:腦、胸、腹、骨等組織。

3.2.4配準(zhǔn)方法驗證用于控制配準(zhǔn)優(yōu)化過程的準(zhǔn)則主要有:對應(yīng)特征點或表面的誤差均方(平方)和最小;ROI中心——中心距離最小;或定義代價函數(shù),使函數(shù)趨于某極限,等等。為了評價無架配準(zhǔn)方法的有效性,在研究中多以含外部標(biāo)記的模型或有架配準(zhǔn)結(jié)果作為依據(jù),進行比較分析,并以實際病人數(shù)據(jù)進行驗證[18]。

3.3數(shù)據(jù)融合和顯示

對于兩個配準(zhǔn)后的圖像顯示,要以數(shù)據(jù)融合為目的,即要將兩種圖像模式的特點同時表現(xiàn)出來,突出最能反映生理、病理變化的形態(tài)和功能信息。盡量避免覆蓋、遮擋。一般可采用多種圖形顯示方法[6,8,16,17],如給不同區(qū)域定義多個灰度或彩色,或用不同紋理區(qū)別顯示等。關(guān)于斷層圖像的三維顯示已有成熟的方法,主要有表面顯示,體顯示和剖面顯示等方式。Stokking等[19]以灰度顯示腦三維表面結(jié)構(gòu)(MRI),將放射性分布信息(SPECT)以彩色方式疊加于表面,并以色彩濃淡表示濃度,再用這種融合顯示方式同時顯示多個深度(5mm,10mm,15mm)的腦三維表面,給醫(yī)生很直觀的診斷信息。

3.4其它相關(guān)技術(shù)

PACS即醫(yī)學(xué)文檔和通訊系統(tǒng)是支持圖像融合的重要平臺和環(huán)境[20]。該系統(tǒng)將醫(yī)院的各種成像設(shè)備聯(lián)成網(wǎng)絡(luò),以數(shù)字方式存貯、管理和處理多種影像資料,有利于數(shù)據(jù)共享,遠程診療和計算機圖像分析,圖像融合等技術(shù)的實現(xiàn)。要實現(xiàn)PACS,需解決:各種圖像數(shù)據(jù)的獲取;圖像存儲協(xié)議;多級網(wǎng)絡(luò)建立等問題。其中,要求對圖像進行高壓縮比的不失真壓縮處理,以提高傳輸效率,如何實現(xiàn)這種高效算法引起許多研究人員的濃厚興趣,除了對傳統(tǒng)壓縮方法進行改造,基于知識的、基于神經(jīng)網(wǎng)絡(luò)的、基于小波分解的或分形編碼的一些新方法,正在深入探討和實驗中。適當(dāng)?shù)某上穹椒ê惋@影劑的選擇也直接影響圖像的融合和配準(zhǔn)。例如,立體定位架的設(shè)計,外標(biāo)記的位置安排,不同掃描方式的角度、層間隔的統(tǒng)一等成像技術(shù)細節(jié)都是很值得研究的。

4醫(yī)學(xué)圖像融合的應(yīng)用

醫(yī)學(xué)圖像融合的臨床應(yīng)用多種多樣。主要集中于大腦的診斷和手術(shù)治療,以及臟器腫瘤的診斷、定位等。在大腦的圖像融合應(yīng)用中,Hill等[5]融合CT和MRI圖像,建立了大腦的三維坐標(biāo)系統(tǒng),可輔助腦定位治療,定位精確度高于單獨從一個圖中的定位。Pelizzari等[6]對癲癇病人的MRI、PET圖像處理后,可觀察到病人的腦外傷、炎癥、硬化癥等的變化,還可看到手術(shù)及麻醉前后的區(qū)別。在Grzeszezuk的研究中[21],通過CT、MRI融合圖,可輔助腦電極植入指定位置,并根據(jù)立體分布的電極的記錄分析,與相應(yīng)的PET圖相對應(yīng),可更全面了解手術(shù)前腦的活動情況,提高了手術(shù)計劃的可靠性。在胸腹部圖像融合應(yīng)用中,Wahl[16]將MRI融合到三維PET代謝圖中,顯示代謝與解剖信息,對10個內(nèi)臟腫瘤患者的實驗中,以不同色彩顯示腹部各區(qū)域的三維圖像。Kramer[22]以融合技術(shù)確定放射線標(biāo)記的單克隆抗體聚積(SPECT圖)的解剖結(jié)構(gòu)(CT圖),可對術(shù)前及治療中的腫瘤進行精確分級和定位,其實驗對象為8例可疑直腸癌。Birn-baum[23]在融合配準(zhǔn)過程中,不借助外部界標(biāo),而在ROI中以肝輪廓、脾尖、動靜脈管壁等為內(nèi)部標(biāo)記,進行MRI-SPECT及CT-SPECT的匹配,通過對多例病人的實際處理,可診斷小到1cm的肝血管瘤,證明該技術(shù)比單獨從SPECT中估計肝血管損傷更有效。

5結(jié)束語

我們總結(jié)了近年來醫(yī)學(xué)圖像融合和配準(zhǔn)技術(shù)的進展和應(yīng)用。可以看到,這種技術(shù)不僅大大提高了醫(yī)學(xué)診斷的可靠性,更在三維放射治療計劃、立體定位手術(shù)等方面顯出了令人矚目的前景。目前,國外已開展了多年的研究;國內(nèi)也開始重視起來,有些院校和醫(yī)院已著手有關(guān)工作。在實際應(yīng)用中還要考慮圖像融合和配準(zhǔn)的許多具體問題。從工程角度,提高配準(zhǔn)精度、自動化程度和處理速度等;從醫(yī)學(xué)角度,應(yīng)使處理(顯示)結(jié)果符合醫(yī)學(xué)理論和醫(yī)生的習(xí)慣。因此,對于一種融合配準(zhǔn)方法需從上述兩方面給予定量、定性的評價。相信,隨著現(xiàn)代科學(xué)技術(shù)的飛速發(fā)展,多模式醫(yī)學(xué)圖像融合和配準(zhǔn)技術(shù)也會不斷發(fā)展并有更廣泛的應(yīng)用。